Geeks_Z の Blog Geeks_Z の Blog
首页
  • 学习笔记

    • 《HTML》
    • 《CSS》
    • 《JavaWeb》
    • 《Vue》
  • 后端文章

    • Linux
    • Maven
    • 汇编语言
    • 软件工程
    • 计算机网络概述
    • Conda
    • Pip
    • Shell
    • SSH
    • Mac快捷键
    • Zotero
  • 学习笔记

    • 《数据结构与算法》
    • 《算法设计与分析》
    • 《Spring》
    • 《SpringMVC》
    • 《SpringBoot》
    • 《SpringCloud》
    • 《Nginx》
  • 深度学习文章
  • 学习笔记

    • 《PyTorch》
    • 《ReinforementLearning》
    • 《MetaLearning》
  • 学习笔记

    • 《高等数学》
    • 《线性代数》
    • 《概率论与数理统计》
  • 增量学习
  • 哈希学习
GitHub (opens new window)

Geeks_Z

AI小学生
首页
  • 学习笔记

    • 《HTML》
    • 《CSS》
    • 《JavaWeb》
    • 《Vue》
  • 后端文章

    • Linux
    • Maven
    • 汇编语言
    • 软件工程
    • 计算机网络概述
    • Conda
    • Pip
    • Shell
    • SSH
    • Mac快捷键
    • Zotero
  • 学习笔记

    • 《数据结构与算法》
    • 《算法设计与分析》
    • 《Spring》
    • 《SpringMVC》
    • 《SpringBoot》
    • 《SpringCloud》
    • 《Nginx》
  • 深度学习文章
  • 学习笔记

    • 《PyTorch》
    • 《ReinforementLearning》
    • 《MetaLearning》
  • 学习笔记

    • 《高等数学》
    • 《线性代数》
    • 《概率论与数理统计》
  • 增量学习
  • 哈希学习
GitHub (opens new window)
  • 线性代数

    • 线性代数知识点总结
    • 方程组的几何解释
    • 矩阵消元
    • 乘法和逆矩阵
    • 矩阵的LU分解
    • 转换、置换、向量空间R
    • 列空间和零空间
    • 求解Ax=0主变量——特解
    • 求解Ax=b 可解性和解的结构
    • 线性相关性、基、维数
    • 四个基本子空间
    • 矩阵空间、秩1矩阵和小世界图
    • 图和网络
    • 正交向量与子空间
    • 子空间投影
    • 投影矩阵和最小二乘
    • 正交矩阵和Gram-Schmidt正交化法
    • 行列式及其性质
    • 行列式公式和代数余子式
    • 克拉默法则、逆矩阵、体积
    • 特征值和特征向量
    • 对角化和$A$的幂
    • 微分方程
    • 马尔科夫矩阵、傅里叶级数
    • 对称矩阵及正定性
    • 对称矩阵及正定性
    • 复数矩阵和快速傅里叶变换
    • 正定矩阵和最小值
    • 相似矩阵和若尔当形
    • 奇异值分解
    • 线性变换及对应矩阵
    • 基变换和图像压缩
    • 左右逆和伪逆
  • 概率论与数理统计

  • 矩阵

  • 分布

  • 数学笔记
  • 线性代数
Geeks_Z
2024-04-05

求解Ax=0主变量——特解

第七讲:求解Ax=0,主变量,特解

举例:3×4矩阵 A=[1222246836810],求Ax=0的特解:

找出主变量(pivot variable):

消元A=[1222246836810]消元→[1―222002―40000]=U

主变量(pivot variable,下划线元素)的个数为2,即矩阵A的秩(rank)为2,即r=2。

主变量所在的列为主列(pivot column),其余列为自由列(free column)。

自由列中的变量为自由变量(free variable),自由变量的个数为n−r=4−2=2。

**通常,给自由列变量赋值,去求主列变量的值。**如,令x2=1,x4=0求得特解 x=c1[−2100]; 再令x2=0,x4=1求得特解 x=c2[20−21]。

该例还能进一步简化,即将U矩阵化简为R矩阵(Reduced row echelon form),即简化行阶梯形式。

在简化行阶梯形式中,主元上下的元素都是0:

化简U=[1―222002―40000]化简→[1―20−2001―20000]=R

将R矩阵中的主变量放在一起,自由变量放在一起(列交换),得到

列交换,其中为单位矩阵,为自由变量组成的矩阵R=[1―20−2001―20000]列交换→[102−201020000]=[IF00],其中I为单位矩阵,F为自由变量组成的矩阵

计算零空间矩阵N(nullspace matrix),其列为特解,有RN=0。

xpivot=−Fxfree[IF][xpivotxfree]=0N=[−FI]

在本例中 N=[−220−21001],与上面求得的两个x特解一致。

另一个例子,矩阵 消元化简A=[1232462682810]消元→[123022000000]化简→[101011000000]=R

矩阵的秩仍为r=2,有2个主变量,1个自由变量。

同上一例,取自由变量为x3=1,求得特解 x=c[−1−11]

#线性代数
上次更新: 2025/06/25, 11:25:50
列空间和零空间
求解Ax=b 可解性和解的结构

← 列空间和零空间 求解Ax=b 可解性和解的结构→

最近更新
01
帮助信息查看
06-08
02
常用命令
06-08
03
学习资源
06-07
更多文章>
Theme by Vdoing | Copyright © 2022-2025 Geeks_Z | MIT License
京公网安备 11010802040735号 | 京ICP备2022029989号-1
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式